一种基于数据缺失的细粒度城市流数据推断方法技术

细粒度城市流推断，其目的是在给定粗粒度城市流观测的情况下推断细粒度城市流，对于城市规划和公共安全等各种智能城市相关应用至关重要。本发明专利技术中，我们首次尝试基于不完全粗粒度城市流观测来推断细粒度城市流，并提出了一个多任务城市流补全和超分辨网络来同时补全粗粒度城市流和推断细粒度城市流。具体来说，网络由数据补全网络和数据超分辨网络组成。补全网络由一个基于局部空间信息的数据补全模块和一个基于辅助信息的数据补全模块组成，从而考虑城市流数据的局部和全局语义相关性。超分辨网络旨在捕捉细粒度城市流和粗粒度城市流之间的复杂关联，并通过堆叠设计的超分辨率块对粗粒度数据进行上采样。辨率块对粗粒度数据进行上采样。辨率块对粗粒度数据进行上采样。

【技术实现步骤摘要】
一种基于数据缺失的细粒度城市流数据推断方法


[0001]本专利技术给出一种基于数据缺失的细粒度城市流数据推断方法，涉及卷积神经网络领域，主要用于城市细粒度流的推断，对于许多与智能城市相关的应用至关重要，如城市规划和交通管理。

技术介绍

[0002]精细的城市交通流如出租车流、自行车流和人的轨迹，描述了城市的人员流动模式，对于许多与智能城市相关的应用至关重要，如城市规划和交通管理。为了获得细粒度的城市流量观测值，需要在城市的不同区域部署大量的传感器，这将导致日常运营和维护方面的巨额支出。例如，为了感知整个城市的交通状况，需要在交通网络的交叉路口部署大量的摄像机。然而，在现实中，由于成本高，用于收集城市流量的部署传感器的数量通常非常有限。因此，如何基于传感器的稀疏和粗粒度观测有效地推断城市细粒度流成为一个重要的研究课题，近年来引起了越来越多的研究关注。
[0003]传统上，统计方法被广泛用于细粒度的城市流量推断，如双线性，双三次和最近插值方法。然而，这些方法的性能较差，因为它们只考虑城市流量数据，而忽略了外部特征，如天气和假日。最近，在计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据缺失的细粒度城市流数据推断方法，其主要特征包括如下步骤：(1)城市流数据补全：城市流数据补全包含两个模块，基于局部空间信息的数据补全模块和基于辅助信息的数据补全模块。基于局部空间信息的数据补全模块设计了局部融合网络，使用卷积核K，将城市流不完整数据X
cg，un
补全，补全过程如下：其中表示在t时刻，待补全的地区r
i，j
。K表示卷积核，k表示卷积核尺寸。通过横向和纵向堆叠多层局部融合网络，将不完整的城市流数据补全。基于辅助信息的数据补全模块利用城市功能信息设计了补全模块。对城市功能信息进行分析后发现，城市功能信息与城市流数据高度相关，因此我们将城市功能相似的区域进行互相补全，补全过程如下：与城市流数据高度相关，因此我们将城市功能相似的区域进行互相补全，补全过程如下：其中r
k
是城市流量观测值缺失的区域，r
*
是城市功能信息与r
k
最相似的有城市流量观测值的区域，是任意区域。R
t
，R
s
是城市流缺失和存在的区域集合，|
·
|是集合的长度。将两次补全结果进行合并，得到完整的城市流数据X
cg
。(2)城市流数据超分：超分过程包括一个特征提取元模块和堆叠的超分辨率块，以捕捉粗粒度和细粒度城市流之间的关...

【专利技术属性】
技术研发人员：李吉玥，王森章，张家强，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：